| 近红外光谱技术结合教与学算法优化极限学习机实现烤烟等级判定 |
| |
| 引用本文： | 沈欢超,耿莹蕊,倪鸿飞,王辉,吴继忠,廖付,陈勇,刘雪松.近红外光谱技术结合教与学算法优化极限学习机实现烤烟等级判定[J].分析测试学报,2022,41(7):1052-1057. |
| |
| 作者姓名： | 沈欢超 耿莹蕊 倪鸿飞 王辉 吴继忠 廖付 陈勇 刘雪松 |
| |
| 作者单位： | 1. 浙江大学 药学院，浙江 杭州 310058； 2. 浙江大学 智能创新药物研究院，浙江 杭州 310018； 3. 浙江中烟工业有限责任公司技术中心，浙江 杭州 310008 |
| |
| 基金项目： | 浙江大学－浙江中烟联合实验室项目资助 |
| |
| 摘 要： | 该研究基于近红外光谱（NIRs）技术，以2016～2018年来自13个省份的937个烟叶样本为研究对象，比较了竞争性自适应重加权采样方法（CARS）、蒙特卡洛无信息变量消除法（MC－UVE）以及随机青蛙算法（RF）3种变量筛选方法的极限学习机（ELM）模型效果，与常规判别方法偏最小二乘判别分析（PLS－DA）比较，验证了ELM模型的优势。并通过教与学优化（TLBO）算法对ELM模型进行优化，建立烤烟样本的等级判定模型。结果表明，验证集的分类正确率达到90.16%，测试集的外部验证表现良好，TLBO－ELM模型收敛速度快，泛化能力强，可应用于烤烟等级判定。近红外光谱技术结合教与学算法优化极限学习机为智能化实现烟叶等级判定提供了一种新方法。
|
| 关 键 词： | 近红外光谱技术 教与学优化算法 极限学习机 烟叶 等级判定 |
Grade Determination of Flue-cured Tobacco by Near Infrared Spectroscopy Combined with Teaching-learning-based Optimization Algorithm Optimized Extreme Learning Machine |
| |
| SHEN Huan-chao,GENG Ying-rui,NI Hong-fei,WANG Hui,WU Ji-zhong,LIAO Fu,CHEN Yong,LIU Xue-song.Grade Determination of Flue-cured Tobacco by Near Infrared Spectroscopy Combined with Teaching-learning-based Optimization Algorithm Optimized Extreme Learning Machine[J].Journal of Instrumental Analysis,2022,41(7):1052-1057. |
| |
| Authors: | SHEN Huan-chao GENG Ying-rui NI Hong-fei WANG Hui WU Ji-zhong LIAO Fu CHEN Yong LIU Xue-song |
| |
| Abstract: | |
| |
| Keywords: | near infrared spectroscopy teaching-learning-based optimization algorithm extreme learning machine tobacco grade determination |
|
| 点击此处可从《分析测试学报》浏览原始摘要信息 |
| 点击此处可从《分析测试学报》下载免费的PDF全文 |
